一种评论文本大数据分析方法、服务器及介质技术

本申请提供一种评论文本大数据分析方法、服务器及介质，通过为对应不同引流因子的互联网在线新闻舆情生成不同的评论文本样例集合以及优先权重，能够尽量保障引流因子高的互联网在线新闻舆情的舆情评论观点向量集关联决策效率。进一步地，鉴于本申请实施例通过多个评论文本样例集合进行舆情评论观点向量集的关联分析，因而能够减少每个评论文本样例集合的向量集访问开销和服务负载占用，这样能够提升舆情评论观点向量集的配对时效性，及时地为之后的文本分析提供数据基础。之后的文本分析提供数据基础。之后的文本分析提供数据基础。

【技术实现步骤摘要】
一种评论文本大数据分析方法、服务器及介质


[0001]本申请实施例涉及文本大数据
，尤其涉及一种评论文本大数据分析方法、服务器及介质。

技术介绍

[0002]随着互联网的不断发展，各类新闻舆情的传播速度越来越快，传播范围越来越广，这些新闻舆情受到的关注也越来越多。用户可以通过智能终端对新闻舆情进行评论分析，由此参与到相应的话题中来。对用户的评论文本进行分析处理一直是人工智能和大数据等前沿技术关注的重点之一。

技术实现思路

[0003]有鉴于此，本申请实施例提供一种评论文本大数据分析方法、服务器及介质。
[0004]第一方面是一种评论文本大数据分析方法，应用于评论文本大数据服务器，所述方法至少包括：获得目标互联网在线新闻舆情对应的拟分析舆情评论观点向量集；确定所述拟分析舆情评论观点向量集与不止一个第一评论文本样例集合中的舆情评论观点向量集的第一观点向量联动指数最大值，并判别所述第一观点向量联动指数最大值是否低于预设决策变量；倘若所述第一观点向量联动指数最大值低于预设决策变量，识别所述拟分析舆情评论观点向量集是否与第二评论文本样例集合中的舆情评论观点向量集存在联系，获得观点向量联系推演结果；其中，随机的一个所述第一评论文本样例集合中舆情评论观点向量集属于所述第二评论文本样例集合中舆情评论观点向量集的一部分，随机的一个所述第一评论文本样例集合中的舆情评论观点向量集依据目标时段步长进行调整，随机的一个所述第一评论文本样例集合中的舆情评论观点向量集对应于设定的评论观点情感极性，所述评论观点情感极性表征互联网在线新闻舆情的引流因子高于所述第二评论文本样例集合中的舆情评论观点向量集对应的互联网在线新闻舆情。
[0005]可见，通过为对应不同引流因子的互联网在线新闻舆情生成不同的评论文本样例集合以及优先权重，能够尽量保障引流因子高的互联网在线新闻舆情的舆情评论观点向量集关联决策效率。进一步地，鉴于本申请实施例通过多个评论文本样例集合进行舆情评论观点向量集的关联分析，因而能够减少每个评论文本样例集合的向量集访问开销和服务负载占用，这样能够提升舆情评论观点向量集的配对时效性，及时地为之后的文本分析提供数据基础。这样一来，可以改善传统技术在进行评论文本的观点分析时存在的资源过度占用和效率低下的问题。
[0006]对于一些示例而言，所述方法还包括：生成不止一个第一评论文本样例集合，每一所述第一评论文本样例集合对应不少于一种评论观点情感极性；确定所述第二评论文本样例集合中对应所述不少于一种评论观点情感极性的第一舆情评论观点向量集；将所述第一舆情评论观点向量集添加到与所述不少于一种评论观点情感极性对应的第一评论文本样例集合。
[0007]可见，可生成与评论观点情感极性对应的第一评论文本样例集合，并将引流因子更高的舆情评论观点向量集添加到第一评论文本样例集合中，有利于之后及时精准地确定引流因子更高的互联网在线新闻舆情，从而能够提高引流因子更高的互联网在线新闻舆情的舆情评论观点向量集的配对及时性。
[0008]对于一些示例而言，所述确定所述拟分析舆情评论观点向量集与不止一个第一评论文本样例集合中的舆情评论观点向量集的第一观点向量联动指数最大值，并判别所述第一观点向量联动指数最大值是否低于预设决策变量，包括：确定所述不止一个第一评论文本样例集合中的关键评论文本样例集合；确定所述拟分析舆情评论观点向量集与所述关键评论文本样例集合中舆情评论观点向量集的第二观点向量联动指数最大值，并实施如下三个步骤中的至少一个步骤：在所述第二观点向量联动指数最大值不小于所述预设决策变量的前提下，将所述第二观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值不小于所述预设决策变量；在所述第二观点向量联动指数最大值低于所述预设决策变量的前提下，按序确定所述拟分析舆情评论观点向量集与所述第一评论文本样例集合中的每一备选评论文本样例集合中的舆情评论观点向量集的第三观点向量联动指数最大值，直到确定出不小于所述预设决策变量的第三观点向量联动指数最大值，将所述第三观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值不小于所述预设决策变量；在所述第二观点向量联动指数最大值低于所述预设决策变量的前提下，按序确定所述拟分析舆情评论观点向量集与所述每一备选评论文本样例集合中的舆情评论观点向量集的第三观点向量联动指数最大值，直到确定出每个所述第三观点向量联动指数最大值均低于所述预设决策变量，将所述第三观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值低于所述预设决策变量。
[0009]可见，通过在第一评论文本样例集合中选取关键评论文本样例集合的技术，提高了拟分析舆情评论观点向量集可以被及时配对绑定的概率，有利于减少负载占用、提高配对时效性。
[0010]对于一些示例而言，所述方法还包括：在确定所述拟分析舆情评论观点向量集对应不止一个评论观点情感极性中的一个第一情感极性的前提下，将所述第一情感极性对应的第一评论文本样例集合视作所述关键评论文本样例集合，将除所述第一情感极性之外的情感极性对应的第一评论文本样例集合视作所述备选评论文本样例集合。
[0011]可见，可确定拟分析舆情评论观点向量集对应的第一情感极性，进而先在该第一情感极性对应的第一评论文本样例集合中进行绑定，进而提高了拟分析舆情评论观点向量集可以被及时配对绑定的概率，及时地为之后的文本分析提供数据基础、减少负载占用。
[0012]对于一些示例而言，所述方法还包括：在所述拟分析舆情评论观点向量集对应不止一个评论观点情感极性中的不少于两个第二情感极性的前提下，将所述第二情感极性对应的第一评论文本样例集合中，舆情评论观点向量集个数最低的第四评论文本样例集合视作所述关键评论文本样例集合，将除第四评论文本样例集合之外的评论文本样例集合视作所述备选评论文本样例集合。
[0013]可见，能够在确定出拟分析舆情评论观点向量集对应多个第一情感极性的前提下，先在舆情评论观点向量集个数最低的第四评论文本样例集合中进行绑定，从而灵活创
建关键评论文本样例集合，有利于减少负载占用、提高配对时效性。
[0014]对于一些示例而言，所述方法还包括：将当前网络搜索指数最低的第一评论文本样例集合视作所述关键评论文本样例集合，将当前网络搜索指数不是最低的第一评论文本样例集合视作所述备选评论文本样例集合；其中，所述当前网络搜索指数用于表征拟查询的目标互联网在线新闻舆情的个数。
[0015]可见，可根据每个第一评论文本样例集合的当前网络搜索指数，灵活创建关键评论文本样例集合，以进一步减少负载占用、提高配对时效性。
[0016]对于一些示例而言，所述不止一个评论观点情感极性对应不止一个抽样规则，所述确定所述第二评论文本样例集合中对应所述不少于一种评论观点情感极性的第一舆情评论观点向量集，包括：确定所述第二评论文本样例集合中符合不止一个抽样规则的第二舆情评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评论文本大数据分析方法，其特征在于，应用于评论文本大数据服务器，所述方法至少包括：获得目标互联网在线新闻舆情对应的拟分析舆情评论观点向量集，并确定所述拟分析舆情评论观点向量集与不止一个第一评论文本样例集合中的舆情评论观点向量集的第一观点向量联动指数最大值，并判别所述第一观点向量联动指数最大值是否低于预设决策变量；倘若所述第一观点向量联动指数最大值低于预设决策变量，识别所述拟分析舆情评论观点向量集是否与第二评论文本样例集合中的舆情评论观点向量集存在联系，获得观点向量联系推演结果。2.根据权利要求1所述的方法，其特征在于，随机的一个所述第一评论文本样例集合中舆情评论观点向量集属于所述第二评论文本样例集合中舆情评论观点向量集的一部分；随机的一个所述第一评论文本样例集合中的舆情评论观点向量集依据目标时段步长进行调整；随机的一个所述第一评论文本样例集合中的舆情评论观点向量集对应于设定的评论观点情感极性；以及，所述评论观点情感极性表征互联网在线新闻舆情的引流因子高于所述第二评论文本样例集合中的舆情评论观点向量集对应的互联网在线新闻舆情；所述方法还包括：生成不止一个第一评论文本样例集合，每一所述第一评论文本样例集合对应不少于一种评论观点情感极性；确定所述第二评论文本样例集合中对应所述不少于一种评论观点情感极性的第一舆情评论观点向量集；将所述第一舆情评论观点向量集添加到与所述不少于一种评论观点情感极性对应的第一评论文本样例集合。3.根据权利要求2所述的方法，其特征在于，所述确定所述拟分析舆情评论观点向量集与不止一个第一评论文本样例集合中的舆情评论观点向量集的第一观点向量联动指数最大值，并判别所述第一观点向量联动指数最大值是否低于预设决策变量，包括：确定所述不止一个第一评论文本样例集合中的关键评论文本样例集合；确定所述拟分析舆情评论观点向量集与所述关键评论文本样例集合中舆情评论观点向量集的第二观点向量联动指数最大值；在所述第二观点向量联动指数最大值不小于所述预设决策变量的前提下，将所述第二观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值不小于所述预设决策变量；在所述第二观点向量联动指数最大值低于所述预设决策变量的前提下，按序确定所述拟分析舆情评论观点向量集与所述第一评论文本样例集合中的每一备选评论文本样例集合中的舆情评论观点向量集的第三观点向量联动指数最大值，直到确定出不小于所述预设决策变量的第三观点向量联动指数最大值，将所述第三观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值不小于所述预设决策变量；在所述第二观点向量联动指数最大值低于所述预设决策变量的前提下，按序确定所述拟分析舆情评论观点向量集与所述每一备选评论文本样例集合中的舆情评论观点向量集的第三观点向量联动指数最大值，直到确定出每个所述第三观点向量联动指数最大值均低于所述预设决策变量，将所述第三观点向量联动指数最大值视作所述第一观点向量联动指数最大值，并确定所述第一观点向量联动指数最大值低于所述预设决策变量。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在确定所述拟分析舆情评论观点向量集对应不止一个评论观点情感极性中的一个第一情感极性的前提下，将所述第一情感极性对应的第一评论文本样例集合视作所述关键评论文本样例集合，将除所述第一情感极性之外的情感极性对应的第一评论文本样例集合视作所述备选评论文本样例集合。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述拟分析舆情评论观点向量集对应不止一个评论观点情感极性中的不少于两个第二情感极性的前提下，将所述第二情感极性对应的第一评论文本样例集合中，舆情评论观点向量集个数最低的第四评论文本样例集合视作所述关键评论文本样例集合，将除第四评论文本样例集合之外的评论文本样例集合视作所述备选评论文本样例集合。6....

【专利技术属性】
技术研发人员：赵亚军，关爽，
申请(专利权)人：赵亚军，
类型：发明
国别省市：